用任何人都說得清的輸入，做最樸素的算術
本站每一個數字，都能用倉庫裏的腳本從公開數據重新算出來。不依賴我們自己的模型，也不需要策略的代碼。
0 · Hyperliquid 錢包
錢包檢驗的算法寫在錢包頁面底部「怎麼讀一個錢包」：週收益率來自盈虧（充值提現不算收益），t 按記錄的有效自由度做小樣本校正，門檻按挑選範圍用下面第 3 節的 Bonferroni 公式抬高。
出入金怎麼處理。每週收益率 = 這一週 Hyperliquid 為帳戶記錄的盈虧變化 ÷ 週初的帳戶價值。Hyperliquid 的盈虧記錄不含充值和提現，所以資金進出只改變帳戶價值，永遠不會被算成盈利或虧損；但它會改變之後幾週的分母，收益率總是相對於當週開始時帳戶裏的錢來算。週初帳戶不足 $1,000 的週不計入，因為本金太小，普通的金額波動會變成極端的收益率；大部分盈虧落在這些週裏時，頁面會標出來。
門檻的兩種算法。Bonferroni 門檻把榜上所有帳戶當作相互獨立；交易方式相近的帳戶其實是更少的獨立下注，門檻會因此降低（Hyperliquid 按我們的粗估約 2.6，是數量級，不是測量）。兩種我們都列出。
不是 Deflated Sharpe Ratio。Bailey 與 López de Prado 的 DSR 用各次嘗試之間夏普比率的離散程度來折算嘗試次數，並校正偏度和厚尾。我們做的更簡單：小樣本 t 加上 best-of-N 的 Bonferroni 門檻，只需要知道 N，在嘗試之間相關時偏保守。名字裏的 Deflator 指給證據打折，不表示實現了 DSR。
回撤讀數。錢包頁在 t 旁邊顯示記錄比自己的峯值低多少（峯值以來週收益率之和），以及週均值 m、週方差 s² 與它相同的記錄，有多少比例的時間至少處在這麼深的回撤裏：回撤為 d 時是 exp(−2m(d + 0.5826 s)/s²)。這是帶漂移隨機遊走的平穩回撤分佈，加上 Siegmund 針對每週採樣一次的修正；不修正的話，夏普為 3 時比例會高估到 1.6 倍。優勢是在同一份記錄上量的，所以這個讀數偏向把回撤判為少見。
0.5 · 這把尺子會說「過」嗎？
一個從來不說「過」的檢驗是壞的。下面說明每一檔結論對應運氣的什麼水平，以及真實的優勢要多少記錄才能過線。
單靠運氣會出現什麼。一個沒有實力、隨手挑中的錢包，t ≥ 2 大約 44 次裏出現 1 次（2.3%），這一檔叫「有希望，未證實」。一池 N 份全都沒有實力的記錄，其中任何一個過 bar(N) 的概率也約是 2.3%，這一檔叫「證據充分」。在按利潤排名的榜單上，靠運氣到 t = 2 的遠不止 44 個裏 1 個，因為按利潤排名本身偏愛運氣好的連勝；審計 012 做了模擬：在全期 PnL 榜上，單靠運氣前 100 名就有約 15% 到 t ≥ 2，比真實榜單還多，所以那裏的「有希望」就是運氣；在 30 日 ROI 榜上，運氣約 4%，真實榜單有 15–18%。
真實的優勢需要什麼。按 t ≈ 夏普 × √年數 加上噪聲，真實年化夏普為 S 的交易者，過 Hyperliquid 榜單門檻 4.90 的概率：
| 真實夏普 | 1 年 | 2 年 | 3 年 | 5 年 |
|---|---|---|---|---|
| 夏普 2 | <1% | 2% | 8% | 33% |
| 夏普 3 | 3% | 26% | 62% | 96% |
| 夏普 4 | 18% | 78% | 98% | >99% |
| 夏普 5 | 54% | 99% | >99% | >99% |
所以夏普 3（很少有基金能長期保持）大約要 2.7 年記錄才有一半把握，夏普 2 要約 6.0 年。Hyperliquid PnL 前 100 的記錄長度中位數是 1.5 年。假如這些記錄每一份的真實夏普都是 3，到現在應該約有 20 個過線；實際是 0 個。沒有人過線，是記錄短、又沒有被證實的實力時的樣子，不說明這道門檻永遠過不了。
用賠率表示運氣。頁面上的運氣同時寫成賠率和百分比：一份正態分數為 t 的記錄，如果是從一池 N 份全都沒有實力的記錄裏挑出來的，池裏任何一個至少走到這麼強的概率是 1 − (1 − (1 − Φ(t)))^N。N = 1 時就是普通的單側尾部概率，t = 2 時是 44 次裏 1 次。讓 47,248 個人各猜 10 次拋硬幣，平均約有 46 個人 10 次全對。放到排行榜上，他們就排在最前面。
你的挑選範圍，決定你的門檻。錢包頁會問你是怎麼找到這個錢包的：隨手挑中（門檻 2.00）、從 10 個左右的名單裏（2.84）、從某個前 100 名裏（3.51），還是從整個榜單裏（4.90）。只有你知道答案；預設按整個榜單算，因為大多數錢包是這樣被找到的。
0.6 · 拿名人戰績校準
同一把尺子，量一量沒人會說是運氣的記錄。扣掉一個月國債收益後的年收益，對同樣扣過的標普 500（含股息）做迴歸，alpha 的 t 換算成和錢包 t 同一個正態尺度。
| 記錄 | 年份 | alpha 的 z | β | 按 Hyperliquid 門檻（4.90）的判決 |
|---|---|---|---|---|
| 文藝復興大獎章基金，扣費後 | 1988–2018 | 6.93 | -0.59 | 證據充分 |
| 伯克希爾·哈撒韋（巴菲特），每股市值 | 1965–2025 | 3.15 | 0.81 | 隨手挑中有證據；未過 4.7 萬選 1 的門檻 |
| 伯克希爾·哈撒韋，2001 年以後 | 2001–2025 | 1.65 | 0.59 | 像運氣 |
所以記錄足夠出色、足夠長的時候，這把尺子會說「過」：大獎章輕鬆過了「4.7 萬選 1」的門檻。隨手挑中時，巴菲特的記錄是很強的證據：單靠運氣做到這樣，大約是 1,200 次裏 1 次。六十年還沒過「4.7 萬選 1」的門檻，說明需要的記錄有多長；只看最近 25 年，相對指數的超額收益在運氣能解釋的範圍內。被證明本來就需要很長的記錄；Hyperliquid 上最老的記錄從 2023 年 5 月才開始。
為什麼要對比大盤。如果對零檢驗，標普 500 指數自己在 1965–2025 年就能到 4.94，過得了門檻：只看絕對收益，會把大盤上漲算成本事。來源：伯克希爾 2025 年致股東信附表；Cornell (2019) 表 1，源自 Zuckerman (2019)，是估計值，不是審計數。腳本：tools/masters_calibration.py。
0.7 · 錢包對比 BTC
同樣的道理，錢包頁也顯示扣掉 BTC 漲跌之後的 t：每段週收益擬合成 alpha × 週數 + β × 同期 BTC 收益，按區間長度加權，報告 alpha 的 t 和 β。BTC 價格取 Hyperliquid 的日 K 線。判決暫時仍按未扣的 t，因為凍結隊列的讀數是按它預先登記的；正式切換會作為一次帶日期的方法變更在本頁公佈。名人「證據排名」一律用對比大盤的版本。
0.8 · 和聰明錢工具有什麼不同
Hyperdash 的 Copy Score、HyprSwarm 的 ELO、Hashdive 的 Smart Score、Nansen 的標籤，回答的是「誰在賺錢、他持有什麼」。沒有一家報告分數里有多少能用運氣解釋，也沒有一家考慮分數是從幾萬人裏挑出來的。Hyperdash 自己的教程裏，一個 30 天記錄的錢包 Copy Score 是 96/100；不到 8 週的記錄，本站根本不評分。它們告訴你誰在賺錢，我們告訴你那能不能複製。跟單平臺按跟單量賺錢，一個說「頭部是運氣」的分數和它們的生意相反；我們不收被評方的錢。
0.9 · 為什麼是現在
AI 讓一份好看的戰績幾乎不花錢就能造出來：一個 agent 一分鐘能試 50 組參數、留下最好看的那條曲線；AI 交易 agent、AI 金庫、AI 薦股號發佈戰績的速度，已經快過任何人核查的速度。這套方法最早量的是 17 篇 LLM 交易論文，沒有一篇的乾淨樣本夠 48 個月。AI 交易比賽用同一把尺子重新評分（Alpha Arena、Recall、Liquidity Arena 和 AI-Trader）；替人挑交易員、挑金庫的 agent，可以先通過 HTTP 接口和 MCP 服務查證據。
1 · 開卷月數
在模型官方公佈的訓練截止日把回測窗口切開。截止日當月及之前的月份，無法排除被模型見過：模型可能已經知道當時發生了什麼。截止日之後的月份才是乾淨的。
截止日只採用模型提供方自己的文檔。沒有公佈的，我們直說沒有，不替它估。截止日越早，結果看起來越好，所以它是最需要出處的那個輸入。
2 · 需要多少乾淨月份
年化夏普為 S 的結果，經過 T 年達到 t = 2，其中 t ≈ S × √T（Lo, 2002）：
如果幹淨的那段比這個短，這次回測就是檢驗力不足：它沒有被證明失敗，只是沒有被證明有效。獨立同分布假設讓這個數成為下限；收益有自相關時需要更久。
3 · 挑選之後的門檻
從 N 次嘗試裏挑出最好的那個結果，就是 N 次抽籤的最大值。我們用單側 Bonferroni 校正抬高門檻，並讓只試一次時的門檻正好保持在 t = 2：
Bonferroni 假設各次嘗試相互獨立。相關的變體（同一個人調的參數網格、用同一個模型的不同隊伍）會讓它偏保守。我們把這一點寫明，而不是換成一個讀者無法核對假設的校正；如果測得了有效嘗試次數，程序庫也接受直接傳入。
4 · 排行榜
每個參賽者取其公開的淨值歷史，每天保留最後一個值，算日收益率。加密貨幣榜按一年 365 天年化，股票日曆按 252 天。
單說「沒有人顯著」意義不大，所以每個榜單還會給一個日期：如果榜首的真實夏普是 S，它需要多少個月乾淨的前向記錄才能過「N 選 1」的門檻。
我們給出 S = 5、S = 2 以及最接近門檻那個參賽者實測夏普下的結果。這些是條件陳述，不是預測。
原則
- 來源公開，並註明抓取日期。數字重新計算，不照抄。
- 對模型訓練數據，我們最強的說法是「無法排除被見過」，從不說「被污染」。
- 缺少某個輸入本身就是發現，不是對項目的判決。
- 結論寫明數字能支持什麼、不能支持什麼。不判斷動機，不給投資建議。
- 每個榜單、每個說法用同一條規則，不按曲線評分。
- 更正會公開。你覺得哪個數字錯了，請提 issue。
這套方法不做什麼
- 它不說任何策略或模型沒有實力，只說現有證據還分不清實力和運氣。
- 它不檢測模型內部的泄漏，只劃出無法排除泄漏的範圍。
- 它只用項目或榜單自己公開的東西。
- Hyperliquid 錢包檢驗統計的是 Hyperliquid 為帳戶記錄的內容：永續和現貨，包括 HIP-4 結果合約。HyperEVM 上的活動不在其中。
- 錢包檢驗衡量的是記錄裏的證據，不是跟單能拿到的回報。跟單者下單更晚、規模不同；持倉越短，延遲的代價越大（一位基金經理舉的例子：延遲 15 分鐘就損失 20% 盈虧的策略，來源）。
- 尾部提示看的是過去各週的形狀。賣尾部風險、又按近期波動率調整倉位的策略，可以在大虧之前、以及縮小倉位後的大虧前後，一直保持正常的形狀。
延伸閱讀
Lo, “The Statistics of Sharpe Ratios” (2002). Bailey & López de Prado, “The Deflated Sharpe Ratio” (2014). Zhang & Stadie, “Temporal Leakage in LLM Backtesting” (arXiv 2608.02985).